流动性定义与度量：四个维度与常见指标

大家好，我是你们的讲师。今天咱们来聊聊流动性——这个在量化交易里听着玄乎、但实际特别实在的概念。

说实话，我刚入行那会儿，觉得流动性不就是“能不能买卖”嘛。后来在实盘里吃过亏，才明白这东西远没那么简单。你想想看，一个标的流动性好不好，直接决定了你的策略能不能跑起来、跑得稳不稳。

一、流动性的四个维度

业内对流动性的定义，通常从四个维度来拆解。我个人习惯把这四个维度记成“宽深即弹”，好记又好用。

下面我用一张图把这四个维度的关系串起来，方便你理解。

二、宽度：交易成本的第一道门槛

宽度，最直观的体现就是买卖价差（Bid-Ask Spread）。你打开任何交易软件，看到的买一价和卖一价之间的差值，就是宽度。

我在做高频策略时，最怕遇到价差突然拉大的情况。有一次，某个小盘股在财报发布前，价差从0.01元直接跳到0.05元。我挂的单子瞬间被吃掉，多付了4倍的成本。嗯，从那以后，我所有策略都会加一个价差监控模块。

三、深度：你能吃下多少货

深度看的是订单簿上挂了多少单。一个深度好的市场，你下个大单，价格不会剧烈波动。

举个例子，某只股票买一挂了1000手，卖一挂了800手。你想买500手，那没问题，直接吃掉卖一就行。但如果你想买2000手，那就要把卖一到卖五全吃掉，价格自然就上去了。

深度指标里，我常用的是订单簿斜率——把不同档位的挂单量画成一条曲线，斜率越陡，说明深度越差。

# 计算订单簿斜率（简化版）
def order_book_slope(bids, asks):
    """
    bids: [(价格, 数量), ...] 买盘
    asks: [(价格, 数量), ...] 卖盘
    """
    # 取前5档
    top_bids = bids[:5]
    top_asks = asks[:5]
    
    # 计算累计深度
    bid_depth = sum([q for p, q in top_bids])
    ask_depth = sum([q for p, q in top_asks])
    
    # 价差范围
    spread = top_asks[0][0] - top_bids[0][0]
    
    # 斜率 = 深度 / 价差
    slope = (bid_depth + ask_depth) / spread if spread > 0 else 0
    return slope

四、即时性：快就是一切

即时性，说白了就是你下单后多久能成交。在T+1市场里，这个指标没那么敏感。但在期货、外汇这些T+0市场，即时性直接决定了你的滑点成本。

我记得有一次做股指期货的套利策略，两边合约的价差只有0.2个点。理论上能赚，但实际执行时，因为一边成交慢了0.5秒，价差已经变了。那次亏得不多，但让我记住了：没有即时性的流动性，是假的流动性。

五、弹性：市场受伤后能自愈吗

弹性，是四个维度里最容易被忽视的。它衡量的是：大单冲击后，价格能不能回到原来的位置。

弹性好的市场，比如沪深300成分股，一个大单砸下去，几分钟内价格就恢复了。弹性差的市场，比如某些小盘股，砸下去就起不来了——那说明流动性已经被破坏了。

我一般用价格恢复系数来量化弹性：

# 计算价格恢复系数
def resilience_coefficient(price_series, shock_time, window=60):
    """
    price_series: 价格序列
    shock_time: 大单冲击发生的时间点
    window: 观察窗口（秒）
    """
    pre_price = price_series[shock_time - 1]
    post_prices = price_series[shock_time: shock_time + window]
    
    # 最大偏离
    max_deviation = max(abs(p - pre_price) for p in post_prices)
    
    # 最终恢复程度
    final_deviation = abs(post_prices[-1] - pre_price)
    
    # 恢复系数 = 1 - (最终偏离 / 最大偏离)
    coefficient = 1 - (final_deviation / max_deviation) if max_deviation > 0 else 1
    return coefficient

六、常见流动性指标

聊完四个维度，咱们看看实际中怎么度量。下面这三个指标，是我在项目中用得最多的。

指标	计算公式	衡量维度	我的使用场景
价差（Spread）	卖一价 - 买一价	宽度	日内策略、高频交易
Amihud 非流动性指标	|日收益率| / 日成交额	宽度+深度	选股、因子分析
换手率（Turnover）	成交量 / 流通股本	深度+即时性	中低频策略、风控

七、Amihud 指标：一个指标看透流动性

Amihud 指标是我个人非常喜欢的一个指标。它用一个公式，同时捕捉了宽度和深度两个维度。

公式很简单：Amihud = |日收益率| / 日成交额

什么意思呢？你想想看，如果一只股票涨了1%，但只用了100万的成交额，说明流动性很差——一点点钱就能把价格拉起来。反过来，如果涨了1%用了10个亿，那流动性就很好。

我在做多因子模型时，Amihud 指标是必选的流动性因子。它的好处是数据容易获取，而且在不同市场之间可比。

八、换手率：最朴素的流动性指标

换手率，大家应该都很熟悉。它反映的是股票被交易的活跃程度。

换手率高，说明市场参与者多，流动性好。但这里有个坑：换手率高的股票，往往波动也大。你不能只看换手率就判断流动性好，还要结合价差来看。

举个例子，某只妖股换手率50%，但买卖价差有2%。这说明什么？说明大家都在赌，但没人愿意做市。这种流动性，其实是虚的。

我个人习惯把换手率和价差放在一起看，做一个二维分类：

• 高换手 + 低价差：真正的流动性好（比如茅台）
• 高换手 + 高价差：投机性强，流动性虚（比如某些小盘妖股）
• 低换手 + 低价差：机构控盘，流动性一般
• 低换手 + 高价差：流动性极差，尽量避开

九、总结一下

流动性这东西，说起来抽象，但落到实盘里，每一个维度都直接关系到你的盈亏。宽度决定成本，深度决定容量，即时性决定执行，弹性决定稳定性。

我建议你从今天开始，在回测框架里加上这几个流动性指标。哪怕只是简单算一下持仓标的的 Amihud 值，也能帮你避开不少坑。

好了，这一章就到这里。流动性是微观结构的基础，后面我们会一步步深入，把每个维度都拆开来看。

---